基于dom模型扩展的web信息提取

提出了一种基于dom模型扩展的web信息提取方法。将web页面表示为dom树结构，对dom树结点进行语义扩展并计算其影响度因子，依据结点的影响度因子进行剪枝，进而提取wcb页面信息内容。该方法不要求对网页的结构有预先认识，具有自动和通用的特点。提取结果除可以直接用于wcb浏览外，还可用于互联网数据挖掘、基于主题的搜索引擎等应用中。